INCEPTNET: Precise And Early Disease Detection Application For Medical Images Analyses

要約

ディープ AI ベースの画像処理方法における最近のパラダイム シフトを考慮すると、医療画像処理は大幅に進歩しました。
この研究では、精度とパフォーマンスを向上させるために、医療画像処理の範囲で疾患の早期検出と医療画像のセグメンテーションを行うための、InceptNet という新しいディープ ニューラル ネットワーク (DNN) を提案します。
また、バックグラウンド プロセスやユーザーとのフォアグラウンド インタラクションを含む包括的なアプリケーションを提供するために、InceptNet アプリケーションとユーザーのインタラクションも調査します。
Fast InceptNet は、優れた Unet アーキテクチャによって形成されており、最適なローカル スパース構造に近似することを目指しながら、Inception モジュールの能力を高速かつコスト効率よく活用します。
さまざまな並列カーネル サイズのインセプション モジュールを追加すると、スケーリングされた対象領域の変動をキャプチャするネットワークの能力が向上します。
実験のために、モデルは網膜血管セグメンテーション、肺結節セグメンテーション、皮膚病変セグメンテーション、乳がん細胞検出を含む 4 つのベンチマーク データセットでテストされます。
この改善は、小規模な構造を含む画像でより顕著でした。
提案された方法により、前述のデータセットの精度がそれぞれ 0.9531、0.8900、0.9872、および 0.9881 から 0.9555、0.9510、0.9945、および 0.9945 に改善され、提案された方法が以前の研究よりも優れていることが示されています。
さらに、手順を最初から最後まで探索することにより、完全なアプリケーションの形式で InceptNet の試用版を利用した個人には、提案された方法を評価するための 13 個の多肢選択の質問が提示されます。
結果はヒューマン コンピュータ インタラクションを通じて評価されます。

要約(オリジナル)

In view of the recent paradigm shift in deep AI based image processing methods, medical image processing has advanced considerably. In this study, we propose a novel deep neural network (DNN), entitled InceptNet, in the scope of medical image processing, for early disease detection and segmentation of medical images in order to enhance precision and performance. We also investigate the interaction of users with the InceptNet application to present a comprehensive application including the background processes, and foreground interactions with users. Fast InceptNet is shaped by the prominent Unet architecture, and it seizes the power of an Inception module to be fast and cost effective while aiming to approximate an optimal local sparse structure. Adding Inception modules with various parallel kernel sizes can improve the network’s ability to capture the variations in the scaled regions of interest. To experiment, the model is tested on four benchmark datasets, including retina blood vessel segmentation, lung nodule segmentation, skin lesion segmentation, and breast cancer cell detection. The improvement was more significant on images with small scale structures. The proposed method improved the accuracy from 0.9531, 0.8900, 0.9872, and 0.9881 to 0.9555, 0.9510, 0.9945, and 0.9945 on the mentioned datasets, respectively, which show outperforming of the proposed method over the previous works. Furthermore, by exploring the procedure from start to end, individuals who have utilized a trial edition of InceptNet, in the form of a complete application, are presented with thirteen multiple choice questions in order to assess the proposed method. The outcomes are evaluated through the means of Human Computer Interaction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google